Optimización heurística para la asignación de turnos de trabajo de agentes de servicio al cliente

Abstract

Resumen: En este trabajo se analiza el problema de programación de turnos de trabajo, lo cual es relevante para todas las organizaciones de servicios que buscan mejorar su productividad, ya que la mano de obra representa normalmente ente el 60% y 80% de los costos operativos y conseguir distribuirla de manera eficiente y eficaz acorde a la demanda, permite optimizar una parte significativa de los recursos de la compañía. La investigación de operaciones permite abordar este problema con la implementación de modelos de optimización, los cuales tienen un sustento matemático y estadístico, para reinventar, romper paradigmas y tradiciones de la toma de decisiones en la planeación operativa, evitando los posibles sesgos que se pueden generar al realizar el proceso manual. Debido al gran tamaño y a la alta complejidad del problema lo más eficiente es resolverlo a través de modelos de optimización heurística y se implementa un algoritmo Recocido Simulado. Se propone complementarlo con un operador de mutación con el fin de realizar una exploración más intensiva y permitir la búsqueda de soluciones con un número de agentes diferente para conseguir mejores resultados. En búsqueda de un equilibrio entre la calidad y la agilidad del modelo, se realiza un diseño de experimentos para seleccionar los valores idóneos de los parámetros del Recocido Simulado, encontrando que el parámetro que más afecta la respuesta final es el tamaño del vecindario. A través de un caso de aplicación se compara el método propuesto con la programación manual de turnos realizada por un experto, aumentando casi 9% la calidad de programación de turnos y disminuyendo el tiempo de ejecución en 86%.

Abstract: In this paper the work-shift scheduling problem is analyzed, which is relevant for service organizations that attempt to improve their productivity, considering that the workforce usually represents between 60% and 80% of the operational costs and distributing it efficiently and effectively according to its demand, allows to optimize significantly the company resources Operations Research allows to approach this problem with the implementation of optimization models, which have a mathematical and statistical basis to reinvent, break paradigms and traditions of decision making in operative planning, avoiding possible biases generated while performing this process manually. Due to the large size and high complexity of the problem, it is most efficient to solve it through heuristic optimization models applying a Simulated Annealing algorithm. It is proposed to complement it with a mutation operator in order to perform a more intensive exploration and allowing to search solutions with a different number of agents to achieve better results. Looking for a balance between the model quality and agility, a design of experiments is developed to select the ideal values of simulated annealing parameters, finding that the size of the neighborhood is the most significant parameter over the response variable. Through an application case, the proposed method is compared with a manual work-shift scheduling performed by an expert, increasing almost 9% the scheduling quality and reducing the execution time an 86%.